دانش سرمایه‌گذاری

دانش سرمایه‌گذاری

مقایسه مدل ترکیبی GARCH-EVT-Vine-Copula در بهینه‌سازی سبد دارایی‌های مالی در بازار سهام نسبت به مدل‌های مرسوم با امکان تغییر در دارایی‌های پرتفوی

نوع مقاله : مقاله پژوهشی

نویسندگان
عبداله عالیشوندی 1
مهرزاد مینویی 2
میرفیض فلاح شمس 1
غلامرضا زمردیان 1
1 گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.
2 استادیار گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
10.22034/jik.2026.24000
چکیده
هدف این پژوهش ارائه مدل بهینه‌سازی سبد دارایی‌های مالی در بازار سهام بر اساس ارزش در معرض ریسک شرطی(CVaR) به ‌عنوان معیار ریسک پرتفوی با امکان تغییر در اقلام سبد دارایی است. در این پژوهش با استفاده از روش‌های تعمیم یافته ناهمسانی واریانس شرطی اتورگرسیو (GARCH) برای سری زمانی بازدهی‌ها و برای بررسی ساختار توزیع باقیمانده‌ها از تئوری مقادیر فرین (EVT) و برای بررسی ساختار وابستگی متقابل بین سری‌های زمانی از رویکرد کاپیولا واین (Vine Copula) استفاده شد. رویکرد GARCH-EVT-Vine-Copula به منظور بهینه سازی سبد سهام و کمینه‌سازی ارزش در معرض ریسک شرطی معرفی شد. برای بررسی کارایی و مقایسه مدل‌های مختلف از روش وزن دهی مجدد و پنجره غلتان استفاده شده است. مدل‌سازی بر اساس داده‌های بازدهی بر پایه مدل انتخابی برای 5 شرکت در بین30 شرکت برتر بورسی در طی دوره 1394 تا 1400 صورت پذیرفته است با این شرط که 5 شرکت‌ انتخابی در سبد دارایی از قبل مشخص نباشند و نتیجه بهینه یابی در مدل، 5 شرکت را از بین 30 شرکت برتر بورسی انتخاب کند. نتایج نشان داد که استفاده از مقادیر فرین و وابستگی ساختاری بین سری‌های زمانی، موجب بهبود در شناسایی ریسک بین این بازارها با توجه به نحوه ساختار وابستگی آن‌ها می‌گردد. در بین مدل‌های مختلف معرفی شده در این پژوهش بر اساس تابع ثروت انباشت شده، مدل EGARCH-EVT با در نظر گرفتن ساختار وابستگی بر پایه تابع کاپولای D-Vine در وضعیت بالاتری قرار دارد.
کلیدواژه‌ها
ارزش در معرض ریسک شرطی
بهینه سازی سبد
تئوری ارزش حدی
توابع کاپولا

عنوان مقاله English

Comparison of the Combined GARCH-EVT-Vine-Copula Model in Optimizing the Portfolio of Financial Assets in the Stock Market Compared to Conventional Models with the Possibility of Changing Portfolio Assets

نویسندگان English

Abdullah Alishavandi 1
Mehrzad Minouei 2
Mirfaiz Fallah 1
gholam reza zomorodianS 1
1 Department of Financial Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran.
2 Assistant Professor, Department of Industrial Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
چکیده English

The aim of this research is to present the optimization model of the portfolio of financial assets in the stock market based on conditional value at risk (CVaR) as a measure of portfolio risk with the possibility of changing the portfolio items. In this research, using the generalized methods of autoregressive conditional variance heterogeneity (GARCH) for the time series of returns and to examine the structure of the distribution of residuals from Frein Value Theory (EVT) and to examine the structure of interdependence between time series from the Vine Copula approach. used. The GARCH-EVT-Vine-Copula approach was introduced in order to optimize the stock portfolio and minimize the value under conditional risk. Reweighting method and rolling window have been used to check the efficiency and compare different models. Modeling has been done based on yield data based on the selected model for 5 companies among the top 30 listed companies during the period of 2015 to 2022 with the condition that the 5 selected companies in the asset portfolio are not known in advance and the optimization result in the model, choose 5 companies from among the top 30 listed companies. The results showed that the use of Frein values and structural dependence between time series improves the risk identification between these markets according to their dependence structure. Among the various models introduced in this research based on the accumulated wealth function, the EGARCH-EVT model is in a higher position considering the dependence structure based on the D-Vine copula function.

کلیدواژه‌ها English

Conditional Value at Risk
Portfolio Optimization
Extreme Value Theory
Copula Functions
* پویان فر، احمد؛ موسوی، سید حمید(1395). تخمین ارزش در معرض ریسک داده های درون روزی با رویکرد EVT-Copula، فصلنامه مدلسازی ریسک و مهندسی مالی، دوره 1، شماره 2، ص 129- 144.
* پیش بهار، اسماعیل؛ عابدی، سحر(1396). محاسبه ارزش در معرض خطر پرتفوی: کاربرد رهیافت کاپیولا، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 8، شماره 30، ص 55- 73.
* تقوی فرد، محمد تقی؛ منصوری، طاها؛ خوش طینت، محسن (1386). ارائه یک الگوریتم فرا ابتکاری جهت انتخاب سبد سهام با در نظر گرفتن محدودیت های عدد صحیح، فصلنامه پژوهشهای اقتصادی، سال هفتم، شماره چهارم، ص 49-69.
* راغفر، حسین ؛ آجورلو، نرجس(1395). برآورد ارزش در معرض خطر پرتفوی ارزی یک بانک نمونه با روش GARCH- EVT-COPULA، فصلنامه پژوهش‌های  اقتصادی، دوره 21، شماره 67، ص 113-141.
* عباسی، ابراهیم؛ گرکز، منصور؛ مقدسی، مطهره (1389). انتخاب و بهینه‌سازی سبد سهام با استفاده از الگوریتم ژنتیک بر اساس تعاریف متفاوتی از ریسک، فصلنامه مدیریت صنعتی دانشکده علوم انسانی دانشگاه آزاد اسلامی واحد سنندج، سال پنجم، شماره11، ص 115-136.
* فلاح، میرفیض؛ صادقی، امیر(1400). بهینه‌سازی پرتفوی با استفاده از رویکرد کاپولا و ارزش در معرض ریسک شرطی چند متغیره در بورس اوراق بهادار تهران، فصلنامه دانش سرمایه‌گذاری، دوره 10، شماره 40، ص 205-226.
* فلاح، میر فیض؛ علی زاده، علی(1400). ارزیابی توان تبیین نظریه ارزش فرین(حدی) و مدل های کاپولا- گارچ در پیش بینی ارزش در معرض ریسک و ریزش موردانتظار پرتفوی در پرتفوی شرکتهای سرمایه‌گذاری بورس اوراق بهادار تهران، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 12، شماره 46، ص 340-364.
* فلاح پور، سعید؛ احمدی، احسان(1393). تخمین ارزش در معرض ریسک پرتفوی نفت و طلا با بهره مندی از روش کاپولا- گارچ، تحقیقات مالی، دوره 16، شماره 2، ص 309-326.
* فلاح پور، سعید؛ باغبان، مهدی(1393). استفاده از کاپیولاCVaR-  در بهینه‌سازی سبد سرمایه‌گذاری و مقایسه تطبیقی آن با روش Mean-CVaR ، فصلنامه پژوهش ها و سیاست های اقتصادی، دوره 22، شماره 72، ص ۱۵۵-۱۷۲.
* فلاح پور، سعید؛ راعی، رضا؛ فدائی نژاد، محمد اسماعیل؛ مناجاتی، رضا(1398). ارائه مدلی جهت بهینه‌سازی فعال سبد سهام با استفاده از ارزش در معرض ریسک شرطی، کاربردی از رویکرد مدل های ناهمسانی واریانس شرطی بر اساس رویکرد الگوریتم DE، فصلنامه دانش سرمایه‌گذاری، دوره 8، شماره 30، ص 37-49.
* قندهاری، مهسا؛ شمشیری، عظیمه؛ فتحی، سعید(1396). بهینه‌سازی سبد سهام بر مبنای روش‌های تخمین ناپارامتریک، فصلنامه مدیریت تولید و عملیات، دوره 8، شماره 1، ص 175- 184.
* کشاورزحداد، غلامرضا؛ حیرانی، مهرداد(1393). برآورد ارزش در معرض ریسک با وجود ساختار وابستگی بین بازدهی‏های مالی: رهیافت مبتنی بر توابع کاپولا، مجله تحقیقات اقتصادی دانشگاه تهران، دوره 49، شماره 4، ص 869-902.
* لله گانی، اسماعیل؛ زه تابیان، مصطفی(1397). بررسی امکان بهینه‌سازی سبد سرمایه‌گذاری با حداقل ساختن ارزش در معرض ریسک شرطی مبتنی بر مدل کاپولا و داده های شبیه‌سازی شده در بورس اوراق بهادار تهران، فصلنامه دانش سرمایه‌گذاری، دوره 7، شماره 26، ص 1-15.
* Aas, K., Czado, C., Frigessi, A., & Bakken, H., (2009). Pair-Copula construction of multiple dependence. Insurance Mathematics and Economics,44(2),182-198.
*Ang, A., Chen, J., (2002). Asymmetric correlations of equity portfolios. Journal of Financial Economics, 63 ( 3), 443-494.
*Ang, A., Bekaert, G., (2002). International asset allocation with regime shifts. Review of Financial Studies, 15 (4), 1137-1187.
* Boubaker, H., Sghaier, N., (2013). Portfolio optimization in the presence of dependent financial returns with long memory: A copula based approach. Journal of Banking and Finance, 37(2), 361-377.
* Bruhn, P., Ernst, D., (2022). Assessing the Risk Characteristics of the Cryptocurrency Market: A GARCH-EVT-Copula Approach. Journal of Risk and Financial Management, 15(8), 1-28.
* Christoffersen, P., Christoffersen, P., Errunza, V., Jacobs, K., Jacobs, K., & Jin, X., (2014). Correlation dynamics and international diversification benefits. International Journal of Forecasting, 30( 3), 807-824.
* Crato, N., (1994). Some international evidence regarding the stochastic memory of stock returns. Applied Financial Economics, 4(1) , 33-39.
* Dißmann, J., Brechmann, E. C., Czado, C., & Kurowicka, D., (2013). Selecting and estimating regular vine copulae and application to financial returns. Computational Statistics & Data Analysis, 59, 52-69.
* Embrechts, P., Lindskog, F., & McNeil, A., (2003).Modelling dependence with copulas and applications to risk management. In S. T. Rachev (Ed.), Handbook of heavy tailed distribution in finance, 329-384.
* Han, Y., Li, P.,& Xia, Y., (2017). Dynamic robust portfolio selection with copulas. Finance Research Letters, 21, 190-200.
* Hartmann, P., Straeman, S., de Vries, C.G., (2004). Asset market linkages in crisis periods. Review of Economics and Statistics, 86 (1), 313-326.
* He, Z., (2020). Sensitivity estimation of conditional value at risk using randomized quasi-Monte Carlo.European Journal of operational Research, 298,229-242.
* Huang, C., Chun-pin, H., (2015). Portfolio optimization with GARCH-EVT-Copula-CVaR Models. Banking and Finance Review, 1, 19-32.
* Karmakar, M., (2017). Dependence structure and portfolio risk in Indian foreign exchange market: A GARCH-EVT-Copula approach. Quarterly Review of Economics and Finance, 64, 275-291.
* Kobayashi, K., Takano, Y., & Nakata, K., (2021). Bilevel cutting-plane algorithm for cardinality-constrained mean-CVaR portfolio optimization. Journal of Global Optimization, 81, 493–528
* Krzemienowski, A., Sylwia, S., (2016). Portfolio optimization with a copula-based extension of conditional value-at-risk. Annals of Operations Research, 237 (2), 219-236.
* Kurowicka, D., (2011). Optimal truncation of vines. In: Kurowicka, D., Joe, H. (Eds.), Dependence Modeling: Handbook on Vine Copulae. World Scientific Publishing, 233-247.
* Nikoloulopoulos, A. K., Joe, H., & Li, H. (2012). Vine copulas with asymmetric tail dependence and applications to financial return data. Computational Statistics & Data Analysis, 56(11), 3659–3673.
* Patton, A., (2004). On the out-of-sample importance of skewness and asymmetric dependence for asset allocation. Journal of Financial Econometrics, 2 (1), 130-168.
* Poon, S-H., Rockinger, M., & Tawn, J., (2004). Modelling extreme-value dependence in international stock markets. Statistica Sinica, 13, 929-953.
* Sahamkhadam, M., Stephan, A., & Östermark, R., (2018). Portfolio optimization based on GARCH-EVT-Copula forecasting models. International Journal of Forecasting, 34 (3), 497-506.
* Sklar, A., (1959). Fonctions de r´epartition `a n dimensions et leurs marges. Publications de l’Institut Statistique de l’Universit´e de Paris, 8, 229-231.
*Song, P. X.-K., (2000). Multivariate dispersion models generated from Gaussian copula.Scandinavian Journal of Statistics, 27(2),305-320.